典型文献
基于多尺度特征引导的细粒度野生菌图像识别
文献摘要：
鉴于国内野生菌中毒事件频发,拟采用深度学习技术来解决这一社会问题.但由于野生菌图像的类间差异较小,图像背景复杂,细粒度识别精度较低.针对这一问题,提出了一种改进的ResNeXt50网络.首先设计了一种多尺度特征引导(MSFG)模块,通过短连接引导网络充分学习和利用低级特征与高级特征;接着采用改进的注意力机制模块来减少网络对复杂背景的学习;最后对模型中的不同层级特征进行融合,利用得到的联合特征进行识别.实验结果表明,所提改进模型在测试集上的准确率可以达到96.47％,较未改进的ResNeXt50网络,在准确率上提升了 2.64个百分点.对比结果显示,相较VGG19、DenseNet121、Inception_v3、ResNet50、ShuffleNet_v2这5个网络模型,所提改进模型在准确率上分别提升了 8.10个百分点、5.13个百分点、3.24个百分点、3.30个百分点、4.25个百分点.
文献关键词：
图像识别;细粒度;多尺度;特征引导;注意力机制;联合特征
中图分类号：
作者姓名：
张志刚;余鹏飞;李海燕;李红松
作者机构：
云南大学信息学院,云南昆明650500
文献出处：
引用格式：
[1]张志刚;余鹏飞;李海燕;李红松-.基于多尺度特征引导的细粒度野生菌图像识别)[J].激光与光电子学进展,2022(12):182-191
A类：
MSFG
B类：
多尺度特征,特征引导,野生菌,图像识别,内野,中毒事件,深度学习技术,类间差异,细粒度识别,识别精度,ResNeXt50,接引,低级,注意力机制模块,复杂背景,层级特征,用得,联合特征,改进模型,测试集,未改,百分点,VGG19,DenseNet121,Inception,v3,ResNet50,ShuffleNet,v2
AB值：
0.371633
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
